论文部分内容阅读
摘 要：云计算要想顺利实现其主要功能，离不开两大基础技术，分别是资源的分配和任务调度，其中，资源的分配效果将直接影响到云计算的运行效果和处理能力。基于此，有必要针对云计算数据中心的资源调度进行优化，从而降低云计算的能耗，同时有效提高云计算的运行效率。文章分析了基于传统Map Reduce调度模型，设计并行的Map Reduce资源分配算法，进而达到良好的能耗控制效果和运行效果，取得良好的实践运行效果。
关键词：绿色云计算;能耗优化;动态资源分配
近年来，随着社会经济的发展，相关的科技也得到深入发展，这些新技术一方面满足了新的生产或者控制需求，另一方面也不断促进了对应领域技术的发展和升级。从整体上来讲，当前对社会经济和人们生活影响比较深远的技术包括物联网、云计算、大数据等，这些技术无一不是新技术高度发展的结果。研究结果显示，数据中心的运行需要大量能源支持，而数据中心的能耗已经占到系统运行总成本的一半。在实际管理过程中，受限于云计算数据中心自身的虚拟化和高弹性等特点，能耗巨大的数据中心对其正常功能的发挥产生了负面影响，研究显示，能耗过大已经逐渐成为制约云计算技术进一步推广应用的一个主要障碍和不足，因此，有必要结合云计算实际情况对其能耗进行有效控制，从而有效提升其运行效率，并降低能耗，达到良好的运行效果。
云计算平台基于云计算的各项基础设施和相关架构，将其通过互联网进行有效连接，并根据实际需要按照对应的服务形式进行运行和交付;在实际运行过程中，云计算可以为用户提供其所需的各种资源，而这种服务是不受到时间、地点限制的，还可以帮助用户实现对资源的获取、存储、计算和运用。
1 云计算基本特征及应用
云计算基于网络计算技术，在近几年得到迅猛发展，并得到大范围应用。可以说，云计算是21世纪一项具有典型意义的技术;云计算能实现IT资源的交付、共享，能够根据用户需要实现IT资源的配置和管理，从而满足用户的各种需求。在实际应用过程中，各种资源的管理都是在云计算平台上进行。云计算能够为用户带来其所需要的各种服务和资料，是新时期的一种新的商业模式，其核心理念和发展模式都是基于服务以及维护。
云计算可以与具体行业结合，为对应行业的发展提供支持和服务，基于此，可以根据云计算的应用对象分为医疗云、教育云、工业云、时政云等。其中，教育云指的是针对教育领域应用的云计算，利用现代网络结构，将相关主体进行连接，得到一个具有丰富资源的学习教育网络，并构建一种新的教学模式。教育云能够对相关的软件资料和硬件资料进行整合，从而实现资源的最大化利用，实现资源的优化配置，满足教学的各种需要，取得最佳的教学效果。医疗云主要是针对医疗构建一个医疗护理的网络系统，帮助医生和患者得到对应的信息资料，帮助患者实现良好的就诊效果，同时，也为医生的诊断治疗提供必要的信息支持。金融云将相关的数据资料融入对应的云计算体系，为客户带来丰富的信息资源，同时，能够有效降低系统的运行成本，取得良好的经济效果。
2 能耗优化与资源分配
云计算在运行过程中具有其自身特点，首先，云计算的对象规模非常大，其中的信息和资源非常丰富，此外，不论是用户还是资源在需求方面均存在较大差异，这种情况下使得云计算在运行过程中，需要大量能耗来支持其进行海量运算和查找，在这个过程中，对资源的分配和各种人为的调动是云计算的一个难点，也是确保其正常发挥功能的一个重点。这也是直接影响到云计算運行效果和一个重要影响因素，基于此，必须控制好云计算的资源分配和任务调度[1]。
云计算过程中实施资源调度要按照对应的原则进行;云计算的资源调度一般在不同资源拥有者和不同使用者之间进行，因此其任务繁重，要想满足不同用户的个性化需求必须从海量资源中进行搜集和整理。当前，云计算运行过程中的资源调度主要通过虚拟级别的调度技术进行，同时，根据需要采用对应的调度策略;这种方法在实际运行过程中存在一定不足，主要表现为对时间和空间的要求较高，导致云计算在运行过程中难以达到良好的效率，同时，也无法达到理想的算法整体性效果。传统云计算过程中实施的资源分配，主要采用静态的预分配模式，这种算法很难满足云计算的运行，因为云计算为了满足用户的即时要求，需要实现动态性运算，此外，云计算的资源负载能力也处于变化之中，这进一步增加了云计算对能耗的要求。国内外云计算资源分配领域研究主要集中在启发式仿生算法、负载均衡机制与时间跨度最小化原则、能耗最小化与能耗均匀化管理等方面
（1）Job Tracker两个主要的功能分离成单独的组件，并结合需要将其用于相应的任务和作用，具体包括对资源的管理和对相关任务的调度和监控[2]。
（2）资源管理器对云计算系统运行过程中的资源实施整体管理，并根据需要对其实施分配，其中，具体应用将负责具体的工作，从而实现资源的有效配置和调度，完成云计算需要的资源配置。
（3）具体应用就是一个对应的框架库，在运行过程中，框架库会与对应的资源管理器结合，从而获得相关的资源，并将其与系统连接，实施协调工作，并监控其运行，最终促使云计算完成相关的工作[3]。
（4）资源管理器支持分层级，并根据系统的运算能力和动态负载能力将其进行分配，促使其将对应的计算任务分配到对应的节点，当分配完成，系统自动将其从队列中删除，确保系统的完整性。但是，资源管理器也无法完成系统运行过程中出现问题的任务，任务管理器主要基于应用程序的需要对其进行调度，因此，不同应用程序需要对应的资源，同时，也需要对应的容器进行配合[4]。
3 实验测试与结果分析
针对绿色云计算中资源管理与调度过程，基于传统Map Reduce调度模型，设计并行的Map Reduce资源分配算法，具体步骤如下。 步驟1：获取需要运行的云计算对应的节点及其相关的性能和参数。
步骤2：根据用户的个性化需求提出请求，并获取相关资源的需求参数。
步骤3：利用Ma Reduce资源分配过程，并发访问云计算系统各个计算节点。
步骤4：在云计算系统中选择计算节点参数符合资源需求参数的计算节点，并将所选计算节点的资源分配给所述用户，用于执行相应的访问请求。
步骤5：将用户请求从等待队列中删除，资源分配结束。
结果显示，新的运行系统环境下算法的执行时间也比传统算法少，当系统的任务数量急剧增大后，这种优势表现得更加明显。
4 结语
云计算平台基于云计算的各项基础设施和相关架构，将其通过互联网进行有效连接，并根据实际需要按照对应的服务形式进行运行和交付;在实际运行过程中，云计算可以为用户提供其所需的各种资源，而这种服务是不受到时间、地点限制的，还可以帮助用户实现对资源的获取、存储、计算和运用。云计算在运行过程中具有其自身特点，首先云计算的对象规模非常大，其中的信息和资源非常丰富，此外，不论是用户还是资源在需求方面均存在较大差异，这种情况下使得云计算在运行过程中，需要大量能耗来支持其进行海量运算和查找，在这个过程中，对资源的分配和各种人为的调动是云计算的一个难点，也是确保其正常发挥其功能的一个重点。这也是直接影响到云计算运行效果和一个重要影响因素，基于此，必须控制好云计算的资源分配和任务调度。
[参考文献]
[1]王万良，臧泽林，陈国棋，等.大规模云计算服务器优化调度问题的最优二元交换算法研究[J].通信学报，2019（5）：180-191.
[2]闫金平.超融合架构在学校数据中心机房建设浅析—以北京印刷学院为例[J].北京印刷学院学报，2019（4）：80-83.
[3]闫实，付佳，王晓丽，等.云计算技术在智慧校园建设中的应用[J].软件，2019（4）：207-209.
[4]彭兆军，刘远超.嵌入式云平台的实时任务最优调度算法研究[J].科技创业月刊，2016（4）：111-113.
Research on key technologies of energy resource scheduling
optimization in green cloud computing data center
Zhu Xu
（Hunan Industry Polytechnic， Changsha 410208， China）
Abstract：In order to successfully realize its main functions， cloud computing is inseparable from two basic technologies， namely resource allocation and task scheduling. The distribution effect of resources will directly affect the operation effect of cloud computing and affect its processing capacity. Based on this， it is necessary to optimize the resource scheduling of the cloud computing data center， thereby reducing the energy consumption of the cloud computing and effectively improving the operational efficiency of the cloud computing. This paper analyzes the basis of the traditional Map Reduce scheduling model， and designs a parallel Map Reduce resource allocation algorithm to achieve good energy control effect and operation effect， and achieve good practical operation results.
Key words：green cloud computing; energy consumption optimization; dynamic resource allocation
关键词：绿色云计算;能耗优化;动态资源分配
近年来，随着社会经济的发展，相关的科技也得到深入发展，这些新技术一方面满足了新的生产或者控制需求，另一方面也不断促进了对应领域技术的发展和升级。从整体上来讲，当前对社会经济和人们生活影响比较深远的技术包括物联网、云计算、大数据等，这些技术无一不是新技术高度发展的结果。研究结果显示，数据中心的运行需要大量能源支持，而数据中心的能耗已经占到系统运行总成本的一半。在实际管理过程中，受限于云计算数据中心自身的虚拟化和高弹性等特点，能耗巨大的数据中心对其正常功能的发挥产生了负面影响，研究显示，能耗过大已经逐渐成为制约云计算技术进一步推广应用的一个主要障碍和不足，因此，有必要结合云计算实际情况对其能耗进行有效控制，从而有效提升其运行效率，并降低能耗，达到良好的运行效果。
云计算平台基于云计算的各项基础设施和相关架构，将其通过互联网进行有效连接，并根据实际需要按照对应的服务形式进行运行和交付;在实际运行过程中，云计算可以为用户提供其所需的各种资源，而这种服务是不受到时间、地点限制的，还可以帮助用户实现对资源的获取、存储、计算和运用。
1 云计算基本特征及应用
云计算基于网络计算技术，在近几年得到迅猛发展，并得到大范围应用。可以说，云计算是21世纪一项具有典型意义的技术;云计算能实现IT资源的交付、共享，能够根据用户需要实现IT资源的配置和管理，从而满足用户的各种需求。在实际应用过程中，各种资源的管理都是在云计算平台上进行。云计算能够为用户带来其所需要的各种服务和资料，是新时期的一种新的商业模式，其核心理念和发展模式都是基于服务以及维护。
云计算可以与具体行业结合，为对应行业的发展提供支持和服务，基于此，可以根据云计算的应用对象分为医疗云、教育云、工业云、时政云等。其中，教育云指的是针对教育领域应用的云计算，利用现代网络结构，将相关主体进行连接，得到一个具有丰富资源的学习教育网络，并构建一种新的教学模式。教育云能够对相关的软件资料和硬件资料进行整合，从而实现资源的最大化利用，实现资源的优化配置，满足教学的各种需要，取得最佳的教学效果。医疗云主要是针对医疗构建一个医疗护理的网络系统，帮助医生和患者得到对应的信息资料，帮助患者实现良好的就诊效果，同时，也为医生的诊断治疗提供必要的信息支持。金融云将相关的数据资料融入对应的云计算体系，为客户带来丰富的信息资源，同时，能够有效降低系统的运行成本，取得良好的经济效果。
2 能耗优化与资源分配
云计算在运行过程中具有其自身特点，首先，云计算的对象规模非常大，其中的信息和资源非常丰富，此外，不论是用户还是资源在需求方面均存在较大差异，这种情况下使得云计算在运行过程中，需要大量能耗来支持其进行海量运算和查找，在这个过程中，对资源的分配和各种人为的调动是云计算的一个难点，也是确保其正常发挥功能的一个重点。这也是直接影响到云计算運行效果和一个重要影响因素，基于此，必须控制好云计算的资源分配和任务调度[1]。
云计算过程中实施资源调度要按照对应的原则进行;云计算的资源调度一般在不同资源拥有者和不同使用者之间进行，因此其任务繁重，要想满足不同用户的个性化需求必须从海量资源中进行搜集和整理。当前，云计算运行过程中的资源调度主要通过虚拟级别的调度技术进行，同时，根据需要采用对应的调度策略;这种方法在实际运行过程中存在一定不足，主要表现为对时间和空间的要求较高，导致云计算在运行过程中难以达到良好的效率，同时，也无法达到理想的算法整体性效果。传统云计算过程中实施的资源分配，主要采用静态的预分配模式，这种算法很难满足云计算的运行，因为云计算为了满足用户的即时要求，需要实现动态性运算，此外，云计算的资源负载能力也处于变化之中，这进一步增加了云计算对能耗的要求。国内外云计算资源分配领域研究主要集中在启发式仿生算法、负载均衡机制与时间跨度最小化原则、能耗最小化与能耗均匀化管理等方面
（1）Job Tracker两个主要的功能分离成单独的组件，并结合需要将其用于相应的任务和作用，具体包括对资源的管理和对相关任务的调度和监控[2]。
（2）资源管理器对云计算系统运行过程中的资源实施整体管理，并根据需要对其实施分配，其中，具体应用将负责具体的工作，从而实现资源的有效配置和调度，完成云计算需要的资源配置。
（3）具体应用就是一个对应的框架库，在运行过程中，框架库会与对应的资源管理器结合，从而获得相关的资源，并将其与系统连接，实施协调工作，并监控其运行，最终促使云计算完成相关的工作[3]。
（4）资源管理器支持分层级，并根据系统的运算能力和动态负载能力将其进行分配，促使其将对应的计算任务分配到对应的节点，当分配完成，系统自动将其从队列中删除，确保系统的完整性。但是，资源管理器也无法完成系统运行过程中出现问题的任务，任务管理器主要基于应用程序的需要对其进行调度，因此，不同应用程序需要对应的资源，同时，也需要对应的容器进行配合[4]。
3 实验测试与结果分析
针对绿色云计算中资源管理与调度过程，基于传统Map Reduce调度模型，设计并行的Map Reduce资源分配算法，具体步骤如下。 步驟1：获取需要运行的云计算对应的节点及其相关的性能和参数。
步骤2：根据用户的个性化需求提出请求，并获取相关资源的需求参数。
步骤3：利用Ma Reduce资源分配过程，并发访问云计算系统各个计算节点。
步骤4：在云计算系统中选择计算节点参数符合资源需求参数的计算节点，并将所选计算节点的资源分配给所述用户，用于执行相应的访问请求。
步骤5：将用户请求从等待队列中删除，资源分配结束。
结果显示，新的运行系统环境下算法的执行时间也比传统算法少，当系统的任务数量急剧增大后，这种优势表现得更加明显。
4 结语
云计算平台基于云计算的各项基础设施和相关架构，将其通过互联网进行有效连接，并根据实际需要按照对应的服务形式进行运行和交付;在实际运行过程中，云计算可以为用户提供其所需的各种资源，而这种服务是不受到时间、地点限制的，还可以帮助用户实现对资源的获取、存储、计算和运用。云计算在运行过程中具有其自身特点，首先云计算的对象规模非常大，其中的信息和资源非常丰富，此外，不论是用户还是资源在需求方面均存在较大差异，这种情况下使得云计算在运行过程中，需要大量能耗来支持其进行海量运算和查找，在这个过程中，对资源的分配和各种人为的调动是云计算的一个难点，也是确保其正常发挥其功能的一个重点。这也是直接影响到云计算运行效果和一个重要影响因素，基于此，必须控制好云计算的资源分配和任务调度。
[参考文献]
[1]王万良，臧泽林，陈国棋，等.大规模云计算服务器优化调度问题的最优二元交换算法研究[J].通信学报，2019（5）：180-191.
[2]闫金平.超融合架构在学校数据中心机房建设浅析—以北京印刷学院为例[J].北京印刷学院学报，2019（4）：80-83.
[3]闫实，付佳，王晓丽，等.云计算技术在智慧校园建设中的应用[J].软件，2019（4）：207-209.
[4]彭兆军，刘远超.嵌入式云平台的实时任务最优调度算法研究[J].科技创业月刊，2016（4）：111-113.
Research on key technologies of energy resource scheduling
optimization in green cloud computing data center
Zhu Xu
（Hunan Industry Polytechnic， Changsha 410208， China）
Abstract：In order to successfully realize its main functions， cloud computing is inseparable from two basic technologies， namely resource allocation and task scheduling. The distribution effect of resources will directly affect the operation effect of cloud computing and affect its processing capacity. Based on this， it is necessary to optimize the resource scheduling of the cloud computing data center， thereby reducing the energy consumption of the cloud computing and effectively improving the operational efficiency of the cloud computing. This paper analyzes the basis of the traditional Map Reduce scheduling model， and designs a parallel Map Reduce resource allocation algorithm to achieve good energy control effect and operation effect， and achieve good practical operation results.
Key words：green cloud computing; energy consumption optimization; dynamic resource allocation